Revista de Investigacin de Fsica 14, 111402601 (2011)

Aplicacin de los modelos estocsticos en el dimensionamiento de las presas

Sal Horqque Ferro1,2
1

Facultad de Ciencias Fsicas, Universidad Nacional Mayor de San Marcos, Lima, Per
2
Wharton Ingenieros SAC, Plaza Ricardo Palma 175-207, Lima, Per
Recibido 26 noviembre 2011 - Aceptado 30 diciembre 2011

Las tcnicas de generacin de muestras sintticas proporcionada por la hidrologa estocstica han
demostrado ser una poderosa herramienta para la aplicacin avanzada de procesos estocsticos en
hidrologa y en el tratamiento de los problemas relacionados con el dimensionamiento de las presas
de almacenamiento, principalmente en las zonas con escasa informacin hidrolgica; as como con la
planificacin y la operacin de sistemas de aprovechamiento del recurso agua. En efecto, la hidrologa estocstica genera sintticamente series hidrolgicas basado en el anlisis de la estructura de los
registros cortos, que permite contar con un amplio panorama de las posibilidades de ocurrencia de la
disponibilidad hidrulica en el futuro, que a su vez posibilita con un grado de confiabilidad superior a
los mtodos tradicionales, determinar las dimensiones principales de la presa.
En este trabajo se presenta una metodologa que permite mostrar la generacin sinttica de datos
tomando como base las muestras histricas existentes y con ellas efectuar la simulacin del vaso para
determinar los niveles de operacin apropiados y a la vez la altura ptima de la presa considerando la
demanda requerida y la disponibilidad hidrulica.
Palabras claves: Hidrologa estocstica, generacin de muestras sintticas, series de tiempo.

Applications of stochastic models in the storage dams sizing

The techniques for generating synthetic samples provided by stochastic hydrology have proved to be a
powerful tool for advanced application of stochastic processes in hydrology and treatment of problems
related to the size of the storage dams, mainly in areas with limited information hydrological as well
as the planning and operation of water resource utilization. Indeed, stochastic hydrology allows the
generation synthetic hydrologic series based on the analysis of the structure of short records, thus
providing a panorama of possibilities of occurrence with hydro availability in the future, which allows
a degree reliability than traditional methods, determining the main dimensions of the dam.
This paper presents a methodology to show the synthetic data generation based on existing historical
samples and with them running a simulation of the vessel to determine appropriate levels of operation while the optimum height of the dam considering the required demand and the availability of
hydropower.
Keywords: Stochastic Hydrology, generation of synthetic samples, time series.
cias [1], sealndose dentro de las principales amenazas
al abastecimiento del recurso agua, las dificultades en la
planificacin de los recursos hidrulicos y las limitadas
capacidades tcnicas para la formulacin y el desarrollo
adecuado de las obras hidrulicas.
En el contexto de la actual problemtica mundial
en torno al agua, existe la creciente necesidad de difundir los conocimientos y las tcnicas que permitan lograr
los proyectos de aprovechamientos hidrulicos seguros,
eficientes y econmicos. Por ello, la escasez del agua co-

La problemtica actual por la atraviesa la humanidad, en relacin al agua, es su escasez como recurso
aprovechable, debido a la creciente falta para satisfacer sus necesidades bsicas, de desarrollo y por prdida
de calidad por contaminacin, principalmente; problemtica que se agudizar cada vez ms. Estimaciones
recientes sugieren que el cambio paulatino del ecosistema mundial y regional reflejado en el cambio climtico
ser responsable de alrededor del 20 % del incremento de la escasez global y sus consiguientes consecuen

shorqque@hotmail.com

Rev. Inv. Fis. 14, 111402601 (2011)

mo recurso aprovechable, la poca o nula disponibilidad

de la informacin hidrometeorolgica y las caractersticas inherentes de los proyectos de aprovechamientos hidrulicos como, de larga maduracin, alto costo inicial
y fundamentalmente de ser de naturaleza irreversible,
plantean optimizar los procesos de diseo hidrulico en
todas las etapas inciales de su desarrollo.
En la solucin de los problemas de aprovechamientos hidrulicos las herramientas utilizadas son los modelos matemticos y los hidrulicos, modelos fsicos, los
primeros consisten en desarrollos tericos y analticos,
y los segundos a travs de resultados experimentales.
En los problemas hidrolgicos las soluciones se obtienen
mediante modelos matemticos de simulacin hidrolgica. Uno de los problemas a resolver en el diseo de
las presas es la determinacin del volumen de almacenamiento para que el embalse sea capaz de suministrar
la demanda con un nivel de confiabilidad aceptable, haciendo que las dimensiones sean las ptimas.
En la estimacin del volumen til se han utilizado
y se siguen utilizando -en primer lugar-, los mtodos
tradicionales, entre estos, el Diagrama de Rippl y el
Algoritmo de Pico Secuente; en segundo lugar, se introduce la simulacin del funcionamiento del vaso para un
perodo largo, tomando en cuenta las variaciones mensuales, anuales y de todos los factores que intervienen en
el agua almacenada en un determinado instante. Autores, como Yevjevich [2] cita adems de lo anteriormente
sealado, que consideramos el tercer lugar, el mtodo
experimental o generacin de informacin sinttica. Este mtodo, consiste en la aplicacin avanzada de procesos estocsticos para resolver el problema de embalses,
por medio de series de caudales generadas estocsticamente que se combinan con variables relacionadas con
las capacidades de un embalse.
La principal ventaja de este ltimo mtodo es que
al obtener una amplia gama de capacidad de almacenamiento, permite una mayor flexibilidad en la toma
de decisiones y se puede optimizar dicha capacidad mediante la evaluacin econmica que maximice los beneficios del proyecto estudiado a travs del anlisis llamado
capacidad ptima del embalse.

1.
1.1.

Modelacin estocstica en series de

tiempo

componentes de las series hidrolgicas, podemos mencionar:

Tendencia. Componente determinstica y transitoria de
la serie, que definen una tendencia (ascendente o descendente).
Componente cclica. Significa que las caractersticas estadsticas cambian anual o peridicamente.
Persistencia o componente autorregresiva. Es funcin de
los parmetros estadsticos de la muestra. Se dice que
los fenmenos hidrolgicos tienen memoria.
Componente aleatoria o componente estocstica. Es funcin de los factores imprevisibles.
Estas componentes pueden ser reflejadas mediante las relaciones matemticas de distintas formas. Por
ejemplo,
Zt = Zt1 + t

1.2.

Proceso de modelamiento estocstico

Una aproximacin sistemtica del proceso de modelamiento estocstico de series hidrolgicas en el tiempo
es presentada por Salas [3] et al., que consiste en los
procedimientos que continuacin se detallan brevemente.

1.2.1.

Identificacin de la composicin del modelo

Esta fase consiste en decidir si el modelo ser univariado, multivariado (anual o peridica) y modelos de
desagregacin o una combinacin de estos.

1.2.2.

Seleccin del tipo de modelo

Una vez identificada la composicin, se puede seleccionar el tipo de modelo a usarse. Las distintas alternativas de modelos por las que se puede optar se encuentran detalladas por Salas et al. [3], entre estos: Modelos:
Autorregresivos AR(p), Autorregresivos con Promedios
Mviles ARMA(p, q) y PARMA(p, q), Autorregresivos
con Promedios Mviles Integrados ARIMA(p, q, r), Autorregresivo Multivariado de Desagregacin (espacial
y temporal: MARMA(p, q), MPARMA(p, q), Modelos
mixtos SARIMA, etc.

Caractersticas de los modelos estocsticos

El modelamiento de series de tiempo son tcnicas

y procedimientos para estimar los modelos y sus parmetros a partir de los datos disponibles, son elaborados
para reproducir o asemejar las caractersticas estadsticas ms importantes de las series histricas. Como

1.2.3.

Identificacin de la forma del modelo

Determinacin del orden del modelo seleccionado

(modelos de primer, segundo o tercer orden y pueden
ser de parmetros constantes o peridicos) (q, p). As,
tenemos como ejemplo, los modelos de parmetros cons-

Rev. Inv. Fis. 14, 111402601 (2011)

serie de tiempo histrica, {Xt }, donde t = 1, 2, . . . , N ,

mediante

tantes:
Modelo AR(q)

Zt = Zt1 + . . . + Ztp + t

Modelo AR(1)

Zt = Zt1 + t

Modelo AR(2)
Modelo ARMA(p, q)

Ck =

Zt = Zt1 + 1 Zt2 + t
Zt = 1 Zt1 + 2 Zt2 + . . .

+t 1 t1 . . . p tp .

(1)

De manera similar para los modelos autorregresivos con

parmetros peridicos, se utiliza los modelos respectivos.
1.2.4.

1.2.5.

Pruebas de bondad de ajuste del modelo

Se verifica si el modelo cumple con ciertos rangos

de aplicacin del modelo y reproduce las caractersticas estadsticas de inters. Dentro de stas se considera
la verificacin de la independencia y normalidad de los
residuos del modelo.
1.2.6.

donde Ck es la autocovarianza de retraso k, k es el tiempo de retraso o la distancia entre los pares Xt y Xt+k .
Una medida adimensional de la dependencia lineal, obtenida mediante el coeficiente de autocorrelacin de retraso k est dado por

Ck
=
rk =
C0

Estimacin de los parmetros del modelo

Existen numerosas tcnicas para determinar estos

parmetros (la mxima verosimilitud y el de mnimos
cuadrados).

Nk
1 X

(Xt X)(X
t+k X) , 0 k < N , (2)
N t=1

Nk
X
t=1

(Xt X)(X
t+k X)
N
X
2
(Xt X)

(3)

t=1

donde rk es el coeficiente de autocorrelacin de retraso

k, C0 es el coeficiente de autocorrelacin para k = 0 y
la relacin de rk y k se denomina correlograma.
En las series de tiempo peridicas {X, }, denota
el ao, el intervalo de tiempo dentro del ao, w el
nmero de intervalos en el ao (meses). Se calculan la
media de la serie peridica, la varianza, el coeficiente
de asimetra y el coeficiente de autocorrelacin que se
define como

Evaluacin de la incertidumbre

r, =

N
1 X

(X, X)(X
, k X k )
N =1

S S k

(4)

La incertidumbre del modelo puede ser evaluada

comparando si existe diferencias en las estadsticas (la
media, la varianza, el coeficiente de asimetra) generadas con otros modelos alternativos.

cuando k < 1, los trminos de la ecuacin (4) 1/N ,

k son reemplazados por 1/(N 1),
= 1, X, k y X
= 2, X1,w+ k y X1,w+ k , respectivamente.

2.

2.2.

Generacin sinttica de muestras y

simulacin del vaso

Las series de las sucesivas etapas de clculo, se denotan mediante la nomenclatura donde Xt es para la
serie histrica, Yt para la serie normalizada y Zt para
la serie estandarizada.

2.1.
2.1.1.

Clculo de los principales estadsticos

de la muestra
Serie de tiempo anuales

Se calcula los principales estadsticos de la muestra

como son la media de la serie, la varianza, el coeficiente
de asimetra y la funcin de autocovarianza.
La funcin de autocovarianza mide el grado de la autodependencia lineal de la serie de tiempo. La autocovarianza Ck entre Xt y Xt+k puede determinarse para la

Verificacin de la normalidad

La muestra es normal para g = 0, coeficiente de asimetra; k = 3, coeficiente de curtosis. En caso contrario

se emplean las tcnicas de normalizacin Box-Cox y
Box-Cox de doble potencia.

2.3.

Verificacin de independencia

Cuando el proceso estocstico se analiza en el dominio del tiempo, la verificacin de la normalidad se

realiza a travs del correlograma. Segn Anderson [5],
los valores calculados deben estar fluctuando alrededor
de cero entre ciertos lmites de confianza,

1 1.645 N k 1
,
(5)
rk (95 %) =
N k

1 2.326 N k 1
rk (99 %) =
.
N k

(6)

2.3.1.

Rev. Inv. Fis. 14, 111402601 (2011)

Criterios de la decisin

Si el 90 % o ms de los valores calculados en el correlograma caen dentro de los lmites de confianza significa
que la serie es independiente, esto es, define tambin la
independencia de t.
Si menos del 90 % de los valores calculados en el
correlograma caen dentro de los lmites de confianza la
serie es dependiente, entonces se concluye que el modelo
markoviano de primer orden no es adecuado para esta
serie. Luego se prosigue usando los modelos de Markov
de orden superior.

2.4.

Estandarizacin de la muestra

Se utilizan las relaciones conocidas para las series

peridicas y no peridicas, entre las cuales tenemos a la
serie de variable normal estandarizada apropiado para
las series mensuales, la serie de variable estandarizada
por diferencia apropiado para modelos AR y la serie de
variable modulada estandarizada para series anuales.

aqu es importante conocer la forma de k (rk ) para obtener los parmetros del modelo AR(p), de modo que
se define
rk = 1 rk1 + 2 rk2 + . . . + p rkp , k > 0 . (11)
De esta relacin se obtienen para AR (1) los siguientes
parmetros rk = 1 para k > 0, r0 = 1 y r1 = r1 .
Las soluciones para AR(2) se encuentran explicitadas
en [3].
iii) Condiciones que deben cumplir los parmetros
Estacionariedad
De acuerdo a Yevjevich [2], para que un modelo autorregresivo AR(p) de parmetros constantes sea estacionario, se requiere que el conjunto de parmetros 1 ,
2 , . . ., p est dentro del crculo unitario y debe satisfacer la raz de la ecuacin caracterstica dado por
up 1 up1 2 up2 . . . p = 0 ,

donde |ui | < 1 para i = 1, 2, . . . , p, siendo ui la raz de

la solucin de la ecuacin (12).
2.5.2.

2.5.
2.5.1.

(12)

Clculo de los parmetros del modelo

Propiedades de los modelos AR con parmetros peridicos

Propiedades de los modelos autorregresivos AR con parmetros constantes

i) Valor esperado y varianza de los modelos peridicos

AR(p)
E(Y, ) =

i) Los parmetros , 2 y 2 son estimados a travs de

los datos histricos mediante la relacin
2 = 2 (1

p
X

j j ,

(7)

y en

1 + 2
2 = 2
[(1 2 )2 21 ] ,
1 2

p
X
j=1

Var(Z, ) = Var(, ) = 1

j kj ,

=1

p
X

= 1, 2, . . . , w.

j, j,

= 1, 2, . . . , w .

En particular, para el modelo AR(1) y AR(2) la ecuacin (13) se simplifica como

2

= 1 21,

= 1 21, 22, ,

(9)

(10)

(13)

j=1

(8)

respectivamente. Finalmente, los parmetros 2 para

las series insesgadas se estiman usando la relacin anterior multiplicada por el factor N/(N p).
ii) La determinacin de los parmetros de autocorrelacin. Se realiza a travs de la funcin de autocorrelacin serial. Para estimar los parmetros de los modelos
AR(p), tenemos la ecuacin de Yule-Walker [6] dado
por
k =

= 1, 2, . . . , w.

= 1, 2, . . . , w.

ii) Determinacin de la varianza de los residuales

donde j es el coeficiente de autocorrelacin, j es el

coeficiente de correlacin de la variables Yt para un retraso j. Debemos considerar que j = rj .
Para un modelo AR(1) y AR(2) la ecuacin (7) queda simplificada en
2 = 2 (1 2 )

E(Z, ) = E(, ) = 0
Var(Y, ) = 2

j=1

= 1, 2, . . . , w.

(14)
(15)

respectivamente.
2.5.3.

Clculo de los residuales

Verificacin de la normalidad e independencia

i) De la estructura de los modelos AR, se calcula el
valor de los residuales mediante la relacin
t = Zt 1 Zt1 2 Zt2 . . . p Ztp

(16)

ii) Determinacin de la varianza de los residuales.

iii) Verificacin de la independencia de los residuales.
Se puede verificar mediante el correlograma y los lmites
de Anderson descritos. Tambin se efecta la prueba de
Porte Manteau, que sirve para verificar en forma global
la independencia de la muestra.

Rev. Inv. Fis. 14, 111402601 (2011)

2.5.4.

Criterio de la seleccin de los modelos

Criterio de informacin de Akaike (AIC). Considera el Principio de Parsimonia en la construccin de

modelos, fue sugerido inicialmente para seleccionar el
modelo correcto entre los ARMA en competencia [3].
AIC(p, q) = N ln[2 ] + 2(p + q)

(17)

donde N es el tamao de la muestra y 2 es la varianza

de los residuales.
Bajo este criterio el modelo seleccionado ser el que
tenga un AIC menor

2.6.

Generacin de las muestras sintticas

La generacin de nmeros aleatorios con distribucin normal estndar. Se reduce al clculo del componente estocstico = (ruido aleatorio).
Debe ser independiente y uniformemente distribuido en el intervalo (0,1).
La generacin de nmeros aleatorios puede hacerse
en parejas con la ecuacin de Box-Muller [7],



1
cos[2u2 ]
u1
s
 
1
sen[2u2 ]
= 2 ln
u1

i =
i+1

2 ln

(18)
(19)

donde i , i+1 son los nmeros aleatorios de normal estndar, con media cero, mientras que u1 , u2 son los nmeros aleatorios con distribucin uniforme entre (0,1).

2.7.

Proceso de desestandarizacin y desnormalizacin de los valores calculados

Es el proceso inverso a lo clculos de normalizacin

y estandarizacin para obtener la muestra generada.

2.8.
2.8.1.

Simulacin del funcionamiento del vaso

Dimensionamiento de la presa

Se requiere conocer las caractersticas principales

del sistema y asumir ciertas dimensiones como asumir
la altura, elevacin desde el fondo, y las dems obras
que comprende el sistema hidrulico, la poltica general del uso del agua, los alcances globales del proyecto,
la necesidad de uno o ms embalses en un sistema de
aprovechamiento, la base para un anlisis econmico
financiero del proyecto.

2.8.2.

Ecuacin general de almacenamiento

i) Variables de Entrada.
- Entradas por cuenca propia (IPC): a) Registros
histricos, b) Registros sintticos (son utilizados en las
etapas avanzadas de estudio o diseo).
- Entradas por transferencia desde otras cuencas
(IT).
- Entradas por volumen de lluvia en el vaso (VLL).
ii) Variables de extraccin (VDEM).
- Por polticas de operacin: extraccin constante
y/o extraccin variable.
- Por prdidas: evaporacin (VEVA), infiltracin
(VINF), derrames (DERR).
iii) Intervalos de tiempo.
iv) Expresiones matemticas de almacenamiento.
La ecuacin general de almacenamiento est dado
por
Vi+1 = Vi + Xi Si Pi

Vm Vi+1 Vu , (20)

donde Xi = IPC + IT + VLL, Si = VDEM, P i =

VEVA + VINF + DERR y V = Vi+1 Vi , y la ecuacin general estocstica de almacenamiento se define
como
Vi+1 = Vi + (Xi Yi )

(21)

donde Vi , Vi+1 son los volmenes almacenados al inicio

y al final del intervalo, Xi el el volumen total que ingresa
al vaso durante el intervalo considerado e Yi = Si + Pi
es el volumen disminudo en el vaso. Cabe notar que
tanto Xi como Si son variables aleatorias.

2.9.

Procedimiento de la simulacin

Los clculos para el mtodo experimental se desarrollan en el orden que a continuacin se detallan [4].
a) De la topografa del vaso se obtienen las relaciones
elevacin-rea y elevacin-volumen. Adems se asume
el NAMO y el NAMINO con los correspondientes volmenes (Vu , Vm ).
b) Se inicia el clculo a partir de un nivel inicial hi ,
volumen inicial Vi y un rea de la superficie libre inicial
Ai .
c) En una primera aproximacin se calcula el volumen
final del intervalo, con la relacin
(1)

Vi+1 = Vi + Xi Si Pi .
d) Con el volumen obtenido en el paso anterior se
obtienen los valores correspondientes de hi+1 y Ai+1
= 0.5(h1 + hi+1 ),
y se calculan los valores medios h

A = 0.5(Ai + Ai+1 ).
e) Se obtiene una nueva aproximacin del volumen co(2)
rrespondiente al final del intervalo, Vi+1 = Vi + Xi
Si Pi .

Rev. Inv. Fis. 14, 111402601 (2011)

(2)

f ) Si el nuevo volumen calculado Vi+1 , es semejante al

(1)
anterior Vi+1 , se continua con el siguiente paso, sino
se repite el proceso a partir del punto d) hasta que
(k+1)
(k)
Vi+1
= Vi+1 .
Cuando del resultado del clculo se obtiene un volumen Vi+1 mayor que Vu, se registra un volumen derramado igual a la diferencia y se considera que Vi+1 = V u.
En cambio cuando Vi+1 es menor que Vm , se calcula el
volumen de dficit igual a la diferencia y se considera
que Vi+1 = Vm .
g) Para un nuevo intervalo de tiempo t, se calculan
las condiciones a partir del paso c).

3.

Aplicaciones

El prototipo elegido para la aplicacin de los modelos estocsticos en el diseo de presas, es la laguna
La Victoria que tiene un sistema de aprovechamiento
de agua en operacin con una capacidad til de 1.4 millones de m3 de agua y que forma parte del Sistema
Hidrulico de afianzamiento de la Central Hidroelctrica de Yaupi, localizada en la Regin Central del Per.

3.1.

Las caractersticas fsicas principales

de la cuenca

rea de la cuenca (A), 4.479 km2 ; permetro de la

cuenca (P), 10.10 km; pendiente medio de la cuenca(S),
0.124 (determinado con el mtodo Taylor Schwarz); ancho medio de la cuenca (Bm), 1.061 km; tipo de corriente (aguas abajo de la laguna, es del tipo intermitente).

3.2.

Informacin hidrolgica

La zona de estudio cuenta con informacin hidrolgica del tipo II, nula informacin de descargas y suficiente informacin de lluvia. Se consider datos pluviomtricos con una extensin de 40 aos de registros.

3.3.

Anlisis hidrolgico

i) Determinacin de los coeficientes de escurrimiento

peridicos (mensual), mediante la relacin
C, =

Vd,
.
Vll,

ii) Determinacin de los volmenes con base a los datos

de precipitacin,
Ve, = A C, hll, .

3.4.
3.4.1.

Generacin de las muestras sintticas

Proceso de la modelacin

Para el proceso de modelacin se utiliz un modelo

autorregresivo de parmetros peridicos para obtener
las series en el orden descrito en la seccin anterior,
comenzando por, i) el clculo de los principales estadsticos de la muestra histrica en forma peridica; ii) la
verificacin de la independencia de la muestra histrica,
mediante los correlogramas y los lmites permisibles; iii)
se realiz el proceso de normalizacin; iv) la estandarizacin se efecto con el criterio de la variable normal
estandarizada, por ser la ms apropiada para las series
mensuales; v) el clculo de los parmetros del modelo
se realizaron para el modelo PAR(1) obtenindose adems el correlograma desarrollado, donde rk = 1 ; vi) la
desviacin estndar de los residuales se obtuvo a partir
de la ecuacin (14); vii) el clculo de los residuales se
obtuvieron a partir de la ecuacin 1, con el detalle
,1 = Z,1 1,1 Z1,12

para el mes de enero,

,1 = Z, 1, Z, 1

para los otros meses,

la normalidad e independencia de los residuales fue verificado a travs de los parmetros estadsticos; viii) se
realiz la obtencin de las muestras sintticas; ix) para los parmetros de seleccin del modelo fue necesario
calcular el coeficiente de parsimonia (PP20 215) y obtener el criterio de informacin de Akaike y finalmente, x) se realizaron los clculos de desestandarizacin
y desnormalizacin para obtener la muestra sinttica.
Tambin el proceso inverso a la estandarizacin y a la
normalizacin.

3.5.

Simulacin del funcionamiento del vaso

Para la simulacin del funcionamiento el vaso se i)

defini el NAMINO y el NAMO del sistema, y la capacidad til del vaso; ii) se verific si la disponibilidad
hidrulica de la cuenca satisface la demanda de 1.4 Mm3
de agua, como inicialmente fue considerado; y iii) se defini los elementos de la simulacin tales como los componentes fsicos del sistema de aprovechamiento, presa
de gravedad.
Las relaciones de la operacin como la cuota de
aporte asignada a esta laguna para satisfacer 1.4 Mm3
al ao dentro del perodo de estiaje (mayo-octubre), con
un caudal dentro de un rango de 0.50 m3 /s a 0.70 m3 /s.
Las variables que se consideraron fueron las variables de
estado como el volumen inicial y el final, el parmetro
de diseo a travs de la capacidad del embalse para diferentes alturas del muro y las variables de salida del
modelo como los derrames y los dficits.

Rev. Inv. Fis. 14, 111402601 (2011)

3.6.

El proceso de la simulacin

3.6.1.

Determinacin de las relaciones

Se determinaron las relaciones elevacin-volumen y

elevacinrea, calculando en base al plano topogrfico
y batimtrico mediante
V = 141.41H 1.1508
A = 0.1449H 0.23794
donde V se expresa en volmenes de miles de m3 , H es
la altura relativa en m, A es el rea de la superficie del
agua para cada nivel altimtrico en km2 .
3.6.2.

Exploracin de las diferentes condiciones

Se establecen las condiciones iniciales tales como el

nivel inicial, el nivel mximo de la operacin, la extraccin equivalente en m3 /s y el mes de extraccin.
Los resultados de la simulacin obtenidos son el derrame total, el derrame promedio mensual, el nmero
meses con derrame en el perodo, el derrame promedio
mensual en el perodo, el derrame mximo, el derrame
mnimo, los dficits totales, los dficits promedios mensuales, el nmero de meses con dficits en el perodo, los
dficits mximo mensual, los dficits mnimo mensual.

4.

Discusin

El proceso de generacin de muestras sintticas se

realiz utilizando un modelo autorregresivo de de primer orden de parmetros peridicos PAR(1). Los resultados se resumen a continuacin:
El anexo A muestra los volmenes en miles de m3 ,
resultado del anlisis hidrolgico, que consisti en desarrollar un modelo de descargas vs precipitacin en base
a la escasa informacin de descargas existentes (4 aos),
que permiti determinar el coeficiente de escurrimiento.
Esta muestra constituye la base para la generacin de
muestras sintticas.
En el anexo B, se presenta las estadsticas de la
muestra histrica: la media, varianza, coeficiente de asimetra (g) y de curtosis (k), observndose que la muestra no es normal en ninguno de los meses. Tambin en el
mismo anexo, se observan los correlogramas mensuales,
los cuales fluctan dentro de los lmites permisibles, determinndose que el 92 % de la serie analizada cumple
con los requisitos de independencia.
El anexo C, presenta la muestra normalizada utilizando el mtodo de Box-Cox de primera potencia. Asimismo, los resultados del proceso de estandarizacin se
han efectuado mediante la ecuacin
Y, Y
Z, =

En el anexo D se observa los parmetros del modelo PAR(1), donde rk = 1 fue obtenida de los correlogramas desarrollados; la desviacin estndar de los
residuos fue obtenida a partir de la ecuacin (14). Los
valores obtenidos cumplen con las condiciones de estacionariedad del modelo.
El clculo de los residuales, se efectu usando la
ecuacin (1). Los valores del anexo E se consideran suficientes para ser considerados normal. Para la obtencin de las muestras sintticas, primero se generaron las
muestras aleatorias con la distribucin uniforme (0,1),
luego se calcularon los nmeros aleatorios con la normal estndar (1 y 2 ), aplicando las ecuaciones de Box
Mller y con ellos los residuales mediante la relacin
= . Basado en stos valores se obtuvo el modelo autorregresivo de parmetros peridicos y en seguida los valores generados. Con los valores generados, se
procedi con el proceso inverso de los clculos de estandarizacin y normalizacin, para obtener la muestra
sinttica (anexo F).
Como se puede apreciar, los valores de la muestra
histrica y los generados mediante el modelo aplicado
son casi similares. Asimismo, en las estadsticas las diferencias no son significativas.
El anexo G, muestra una parte de los resultados de
la simulacin del funcionamiento del vaso, sintetizado
en tablas. La simulacin fue realizada para distintos
escenarios de operacin, considerando las posibilidades
de mayor o menor extraccin (dentro del rango prefijado), con intervalo de tiempo mensual y bimensual, con
los niveles de operacin mximos y mnimos (altura de
operacin de la presa), con las prdidas esperadas de
agua por derrames y por supuesto con menores dficits
de agua. Tambin se observa en el proceso de simulacin la influencia del mes de inicio de las operaciones.
Resultando la mejor opcin para la simulacin la que
considera como los datos de entrada para la extraccin
0.66 m3 /s (1.71 106 m3 de agua), N ivmax con 10.5 m,
N ivmin con 2 m, Vu con 1.802 106 m3 de agua y con
un tiempo de extraccin de un mes de 30 das.

5.

Conclusiones

Las tcnicas de generacin de muestras sintticas a

travs del modelamiento estocstico, son de fcil acceso y han demostrado ser una herramienta bastante til
para determinar las dimensiones de las represas.

6.

Comentario final

Este trabajo fue presentado en el III Congreso Nacional del Agua realizado en marzo del 2011, en la
UNMSM, Lima, Per.

Rev. Inv. Fis. 14, 111402601 (2011)

Volmenes efectivos para la cuenca: Ve = A Ce hll /103 miles de m3

A.

Ao

Ene

Feb

Mar

Abr

May

Jun

Jul

Ago

Sep

Oct

Nov

Dic

1956
1957
1958
1959
1960
1961
1962
1963
1964
1965

233.40
149.39
171.23
157.43
138.39
234.16
247.71
241.10
180.29
174.11

456.45
343.81
446.11
441.72
296.27
270.71
405.92
395.44
450.79
495.29

522.65
291.52
390.61
552.45
132.34
536.64
432.75
575.77
443.17
798.76

257.29
48.79
140.31
191.22
261.34
255.41
131.66
220.46
355.17
453.78

181.55
77.32
144.72
131.53
155.87
143.59
220.92
67.10
318.90
94.19

19.10
65.61
32.14
14.84
15.69
31.00
8.79
48.40
4.34
52.57

16.43
2.44
13.59
2.16
11.02
0.01
5.97
4.57
4.78
21.53

1.32
5.04
2.39
2.30
6.29
4.21
13.86
8.74
16.77
10.16

82.16
54.07
24.09
31.33
47.47
58.24
29.68
57.88
79.32
90.68

58.19
86.94
127.49
116.51
97.82
95.93
53.83
110.25
161.33
93.65

36.52
67.83
96.16
76.23
131.32
177.27
61.41
128.37
224.53
124.76

55.32
142.12
86.39
235.91
94.10
257.89
187.52
201.93
116.33
201.74

1966
1967
1968
1969
1970
1971
1972
1973
1974
1975

259.89
356.68
210.04
291.26
334.42
285.08
308.90
326.30
215.84
228.75

436.75
619.79
552.94
536.15
488.52
436.01
307.26
641.49
395.23
566.44

331.16
822.10
764.84
546.21
327.31
664.03
601.66
561.33
292.20
415.22

113.19
91.59
212.35
219.84
345.16
337.87
181.95
228.97
305.29
150.60

381.70
149.43
263.06
72.72
496.44
147.38
201.48
72.10
13.30
272.57

2.36
38.67
99.27
173.38
202.12
100.40
86.03
48.22
165.45
91.70

0.48
32.23
18.62
25.80
55.88
26.98
4.13
18.96
23.30
7.46

0.99
17.10
32.14
7.43
13.49
4.89
0.00
21.85
9.53
10.62

44.23
67.87
54.43
26.67
150.57
26.45
0.00
39.04
39.16
93.00

184.39
209.62
263.71
225.53
190.30
74.23
111.17
156.71
69.90
75.91

133.76
46.16
95.49
295.44
272.63
101.18
70.91
132.12
90.31
83.62

231.88
140.66
180.18
255.98
161.10
224.09
158.89
386.72
223.82
198.74

1976
1977
1978
1979
1980
1981
1982
1983
1984
1985

340.47
108.98
183.03
110.04
208.22
213.72
217.95
248.43
344.07
349.78

352.93
482.15
345.45
413.89
416.02
512.60
469.87
334.67
612.15
255.18

370.38
435.30
341.75
958.63
478.46
516.90
370.82
543.82
777.92
445.99

122.32
200.01
154.01
190.81
161.85
200.08
218.07
412.63
434.09
517.23

44.49
229.61
158.53
71.59
138.07
75.07
24.55
205.06
251.60
122.22

47.74
59.09
56.72
21.27
47.27
47.27
56.72
344.60
113.92
208.46

9.98
21.75
11.95
16.18
28.76
1.80
16.36
9.08
19.41
98.14

7.51
1.54
5.48
7.88
5.82
13.97
7.51
22.79
11.15
31.58

55.73
65.19
67.80
34.79
50.88
43.78
50.88
125.77
75.96
99.98

44.28
83.02
64.20
68.00
118.92
176.48
131.57
223.45
224.24
78.75

58.53
255.87
133.79
121.08
107.03
171.41
283.97
134.46
271.93
152.85

125.39
148.41
93.95
180.41
101.99
241.79
190.70
442.23
410.04
191.82

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995

274.24
376.66
380.26
307.67
143.05
137.12
79.78
229.26
230.91
107.88

883.30
616.23
294.93
680.86
166.41
395.96
308.67
602.63
569.65
563.71

1089.77
387.46
347.74
1019.71
242.65
624.56
297.75
330.91
544.59
778.18

305.64
481.11
331.87
774.48
53.15
284.51
109.03
267.54
462.10
108.69

218.36
93.58
412.68
38.35
1043.73
143.70
39.38
167.33
117.72
60.45

52.47
35.93
10.87
60.51
325.50
110.14
31.62
43.02
66.08
195.40

103.18
3.68
1.44
5.75
106.68
20.40
19.14
26.89
4.94
9.60

63.97
5.56
4.77
11.68
64.09
3.34
16.03
21.23
1.63
1.32

141.51
30.54
97.26
7.57
111.81
36.32
32.66
189.09
36.11
37.20

199.25
107.00
83.65
171.26
223.45
65.31
22.71
85.02
84.92
132.96

112.55
95.00
204.03
30.10
211.89
154.19
14.85
246.88
132.02
177.84

205.86
93.57
230.38
79.54
121.27
13.10
28.45
340.01
70.11
198.34

Prom

233.40

456.51

522.65

257.29

181.55

85.87

20.79

12.45

62.18

126.30

137.91

181.22

81.290

138.403

217.411

146.792

176.459

83.439

26.110

14.330

39.851

61.373

74.286

96.259

CV

0.348

0.303

0.416

0.571

0.972

0.972

1.256

1.151

0.641

0.486

0.539

0.531

B.

Med
S
g
K

Estadsticos de la muestra histrica

Ene

Feb

Mar

Abr

May

Jun

Jul

Ago

Sep

Oct

Nov

Dic

233.4
81.29
0.0775
2.33

456.51
138.4
0.5681
4.2

522.65
217.41
0.847
3.56

257.29
146.79
1.3042
5.7

181.55
176.46
3.282
17.19

85.87
83.44
1.6618
5.52

20.79
26.11
2.4571
8.75

12.45
14.33
2.5397
10.12

62.18
39.85
1.2774
4.9

126.3
61.37
0.5008
2.36

137.91
74.29
0.5905
2.75

181.22
96.26
0.8238
4.11

Rev. Inv. Fis. 14, 111402601 (2011)

C.

Muestra normalizada

Ao

Ene

Feb

Mar

Abr

1956
1957
1958
1959
1960
1961
1962
1963
1964
1965

135.71
91.34
103.12
95.70
85.33
136.10
143.05
139.67
107.94
104.65

37.48
32.44
37.04
36.86
30.05
28.69
35.31
34.84
37.24
39.06

15.33
12.68
13.96
15.60
9.66
15.46
14.43
15.80
14.54
17.51

11.93
6.54
9.70
10.79
11.99
11.90
9.48
11.33
13.25
14.33

6.70
5.37
6.34
6.19
6.46
6.32
7.02
5.15
7.64
5.67

4.09
6.72
5.12
3.64
3.73
5.04
2.76
6.01
1.72
6.20

3.73
0.98
3.41
0.83
3.07
-1.85
2.14
1.77
1.83
4.21

1966
1967
1968
1969
1970
1971
1972
1973
1974
1975

149.26
197.47
123.60
165.09
186.54
161.99
173.90
182.53
126.62
133.31

36.65
43.75
41.30
40.66
38.79
36.62
30.62
44.51
34.83
41.81

13.22
17.67
17.28
15.54
13.17
16.53
16.03
15.68
12.69
14.23

8.99
8.32
11.18
11.32
13.13
13.04
10.61
11.47
12.62
9.94

7.95
6.39
7.32
5.27
8.42
6.37
6.87
5.26
2.93
7.38

0.94
5.51
7.77
9.33
9.80
7.80
7.40
6.00
9.19
7.56

1976
1977
1978
1979
1980
1981
1982
1983
1984
1985

189.52
68.96
109.40
69.56
122.65
125.52
127.72
143.42
191.29
194.09

32.87
38.53
32.51
35.66
35.75
39.75
38.03
31.99
43.48
27.82

13.72
14.45
13.36
18.53
14.90
15.27
13.72
15.52
17.37
14.57

9.24
10.96
10.02
10.79
10.19
10.96
11.28
13.91
14.13
14.94

4.56
7.09
6.48
5.25
6.26
5.32
3.73
6.90
7.24
6.07

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995

156.53
207.21
208.95
173.29
87.88
84.63
52.16
133.57
134.42
68.34

52.27
43.62
29.98
45.87
22.26
34.86
30.69
43.13
41.93
41.71

19.27
13.92
13.44
18.88
11.92
16.22
12.77
13.22
15.53
17.37

12.62
14.60
12.96
16.93
6.76
12.33
8.87
12.08
14.42
8.86

Med

Asim

134.80
42.0680
-0.0003
0.8783

37.03
5.7941
0.0000
0.4811

15.02
2.0184
0.0002
0.2534

11.47
2.2260
0.0000
0.2477

D.

May

Jun

Jul

Ago

Sep

Oct

Nov

Dic

0.29
1.90
0.95
0.90
2.21
1.66
3.43
2.70
3.76
2.93

15.65
12.37
7.66
8.99
11.48
12.90
8.70
12.86
15.34
16.52

10.46
12.76
15.34
14.70
13.52
13.39
10.05
14.32
17.14
13.23

10.66
15.48
18.96
16.57
22.66
26.85
14.59
22.37
30.63
22.01

15.31
27.33
20.20
36.98
21.29
38.98
32.26
33.72
24.22
33.70

-0.67
4.98
3.95
4.55
6.13
4.64
1.64
3.98
4.36
2.46

-0.01
3.79
4.96
2.45
3.39
1.86
-1.86
4.23
2.83
3.00

11.02
14.07
12.42
8.15
21.75
8.11
-1.38
10.25
10.26
16.75

18.25
19.36
21.51
20.03
18.52
11.81
14.37
16.91
11.46
11.94

22.90
12.30
18.89
35.67
34.12
19.53
15.88
22.74
18.29
17.49

36.60
27.16
31.51
38.81
29.47
35.87
29.22
49.45
35.84
33.40

5.98
6.47
6.38
4.30
5.96
5.96
6.38
11.53
8.14
9.89

2.91
4.23
3.20
3.71
4.76
0.62
3.72
2.76
4.03
7.44

2.47
0.45
2.02
2.54
2.10
3.45
2.47
4.30
3.08
4.92

12.58
13.75
14.06
9.57
11.95
10.95
11.95
19.75
14.98
17.43

9.09
12.48
10.99
11.31
14.84
17.88
15.57
19.94
19.97
12.16

14.18
32.94
22.90
21.64
20.17
26.34
34.89
22.97
34.07
24.70

25.34
28.05
21.26
31.53
22.36
37.52
32.59
53.48
51.18
32.70

7.01
5.66
8.09
4.35
9.80
6.33
4.38
6.57
6.01
5.00

6.19
5.35
3.10
6.53
11.33
8.05
10.22
5.74
6.74
9.69

7.57
1.49
0.38
2.09
7.65
4.12
4.00
4.63
1.88
2.90

6.40
2.04
1.83
3.15
6.41
1.36
3.68
4.17
0.51
0.29

21.04
8.85
17.17
3.46
18.53
9.82
9.22
24.56
9.78
9.96

18.91
14.11
12.52
17.63
19.94
11.08
6.33
12.62
18.27
15.65

20.76
18.83
29.04
9.45
29.66
24.82
5.94
32.29
22.73
26.89

34.11
21.21
36.46
19.20
24.84
5.80
9.96
45.86
17.75
33.36

6.23
1.3153
0.0000
0.0937

6.51
2.4543
-0.0001
0.2112

3.26
2.0544
-0.0005
0.1966

2.57
1.6936
0.0004
0.1946

12.58
4.9010
0.0000
0.4897

14.76
3.5961
0.0001
0.40862

22.35
7.2904
-0.0009
0.5238

30.40
10.2369
0.0000
0.5648

Clculo de parmetros

Tabla : Modelos autoregresivo PAR(1) de parmetros peridicos

Ene
0.517
42.0680
0.8560
C

1
Sy

Feb

Mar

Abr

May

Jun

Jul

Ago

Sep

Oct

Nov

0.264
5.7941
0.9645
C

0.599
2.0184
0.8007
C

0.34
2.2260
0.9404
C

-0.171
1.3153
0.9853
C

0.338
2.4543
0.9411
C

0.473
2.0544
0.8811
C

0.808
1.6936
0.5892
C

0.53
4.9010
0.8480
C

0.164
3.5961
0.9865
C

0.338
7.2904
0.9411
C

Estacionariedad.

C : Cumple.
Los parmetros deben estar dentro del crculo unitario.

Dic
0.379
10.2369
0.9254
C

10

Rev. Inv. Fis. 14, 111402601 (2011)

E.

Clculo de los residuales

Mar

Abr

May

1956
1957
1958
1959
1960
1961
1962
1963
1964
1965

Ene
0
-0.2711
-0.5984
-0.4145
-1.5082
0.4911
-0.2372
0.0214
-0.8062
-0.4047

Feb
0
-0.5204
0.2009
0.2155
-0.8944
-1.4485
-0.3495
-0.4090
0.2047
0.5397

0
-0.6877
-0.5303
0.3031
1.9346
1.0770
-0.1174
0.6138
-0.2624
1.0234

0
-1.8197
-0.6146
-0.3997
1.1364
0.1196
-0.7905
-0.1954
0.8834
0.8681

0
-1.0335
-0.0529
-0.0841
0.2130
0.1063
0.4533
-0.8265
1.2134
-0.2069

Jun
0
0.3092
-0.5932
-1.1588
-1.1880
-0.6205
-1.7316
0.0730
-2.3132
0.0187

0
-1.1504
0.3422
-0.6273
0.4422
-2.2042
0.1794
-0.6274
0.2293
0.5261

0
0.4978
-1.0209
-0.0332
-0.1401
1.4681
0.9451
0.6564
1.2577
-0.1675

0
0.1679
-0.4956
-0.2095
-0.1111
0.3522
-1.0602
0.0184
0.1939
0.6931

0
-0.5481
0.3272
0.1036
-0.3092
-0.3922
-1.1793
-0.1325
0.5707
-0.5564

0
-0.7546
-0.5189
-0.7865
0.1605
0.7462
-0.6209
0.0454
0.9129
0.0978

0
0.0577
-0.8204
0.9429
-0.9066
0.6041
0.5855
0.3230
-1.0347
0.3399

1966
1967
1968
1969
1970
1971
1972
1973
1974
1975

0.1769
1.1764
-0.1029
0.6640
0.8053
0.6932
0.6532
1.1938
-1.1568
-0.3104

-0.1572
0.7661
0.8071
0.4364
-0.0210
-0.2425
-1.3521
0.9919
-0.3287
0.8336

-0.8526
0.6167
0.6758
0.1179
-1.0995
0.7903
1.1597
-0.4492
-0.9303
-0.8844

-0.8108
-1.8590
-0.5074
-0.1561
1.0587
0.4520
-0.5532
-0.1090
0.9095
-0.5525

1.1223
-0.1199
0.8057
-0.7363
1.7936
0.2257
0.4244
-0.7339
-2.4206
0.7559

-2.7104
-0.4465
0.2348
1.3962
0.7770
0.4912
0.1972
0.0419
1.9429
0.1348

-0.8409
1.0318
0.0958
0.0856
0.7662
0.4227
-0.9592
0.4524
0.0192
-0.5884

0.0202
0.0391
1.1323
-0.5815
-0.6512
-0.9655
-1.9797
0.6884
-0.2835
0.5624

0.4898
-0.0774
-0.7790
-0.8651
1.6174
-0.6876
-1.4621
-0.9933
-0.5525
0.7181

1.0218
1.2301
1.8831
1.6124
0.7374
-0.6708
0.3598
0.6769
-0.8393
-0.9235

-0.2515
-1.8104
-1.1091
1.3323
1.2618
-0.1095
-0.8410
-0.1481
-0.2468
-0.4011

0.5771
0.2062
0.2882
0.1288
-0.7029
0.6810
0.2213
1.8410
0.7429
0.5459

1976
1977
1978
1979
1980
1981
1982
1983
1984
1985

1.1490
-1.3098
-0.4854
-1.0896
-0.3459
0.1853
-0.5280
0.0940
0.1768
0.3600

-1.0611
0.6724
-0.6201
0.1723
-0.1447
0.5271
0.2172
-0.9239
0.7578
-1.9611

-0.2179
-0.4375
-0.3573
1.8784
0.0711
-0.1575
-0.7486
0.7677
0.4961
0.7258

-0.7804
-0.1322
-0.3702
-0.8966
-0.5515
-0.2696
0.1370
1.0116
0.8021
1.6362

-1.4411
0.6153
0.0825
-0.7946
-0.0718
-0.7272
-1.9115
0.6994
0.9753
0.1465

0.2139
-0.2354
-0.1190
-0.6496
-0.2333
0.0082
0.5879
1.8731
0.4044
1.4194

-0.0670
0.4823
-0.0027
0.6450
0.8378
-1.1758
0.2537
-1.2083
0.0608
1.3871

0.0738
-1.6389
-0.3068
-0.1968
-0.8711
1.5498
-0.2472
1.2149
-0.0066
-0.2618

0.0339
0.9039
0.4760
-0.6039
0.0189
-0.6044
-0.0963
0.9213
0.3322
0.2551

-1.5763
-0.6736
-1.0984
-0.8594
0.0447
0.9215
0.2480
1.2007
1.3693
-0.8855

-0.5868
1.6677
0.4312
0.2278
-0.3067
0.2553
1.6447
-0.4013
1.1181
0.5671

-0.0693
-0.7799
-0.9212
0.1473
-0.6719
0.4878
-0.4382
2.2229
1.4203
0.1030

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
Med
Asim

0.4000
1.5338
2.2265
0.6087
-0.5497
-0.9117
-0.7221
1.0029
-0.7900
-0.9413
0.0032
0.4481

2.4929
0.6831
-1.6822
1.2837
-2.2541
-0.0595
-0.5757
1.0610
0.8472
1.2237
-0.0018
-0.2158

0.5291
-1.2286
-0.0576
0.9984
-0.0103
0.8151
-0.4631
-1.5250
-0.2560
0.6801
-0.0026
-0.1168

-0.1975
1.5939
0.9395
1.8057
-1.5907
0.1854
-0.7879
0.5792
1.2397
-1.5682
-0.0039
-0.0004

0.6795
-0.1939
1.5317
-1.0099
2.3509
0.1404
-1.6014
0.3070
0.0616
-1.1332
-0.0099
-0.1216

-0.3271
-0.3229
-1.8657
0.4919
1.0501
0.6024
1.9867
-0.3982
0.1506
1.6131
0.0276
-0.3924

2.1598
-0.6386
-0.7452
-0.5722
1.2098
0.1220
-0.3525
0.8155
0.7155
-0.7882
-0.0174
-0.0039

0.5645
0.3773
0.6896
0.7994
0.5342
-1.0559
0.3584
0.4042
-0.6760
-1.2104
0.0385
-0.3070

0.5282
-0.5922
1.1710
-2.0411
0.0137
-0.1834
-1.0320
1.9443
0.0749
0.1809
-0.0335
0.0578

0.8720
-0.0552
-0.7751
1.1032
1.2415
-0.9303
-2.2311
-0.9948
1.0699
0.3361
0.0325
-0.0742

-0.6084
-0.4213
1.1287
-2.0386
0.5166
0.6850
-1.4585
1.5652
-0.2770
0.5400
0.0300
-0.0783

0.4450
-0.7144
0.2441
-0.4237
-0.9234
-2.5314
-1.1433
0.9935
-1.2551
0.0530
0.0217
-0.1343

Los residuales se consideran normales e independientes.

Jul

Ago

Sep

Oct

Nov

Dic

11

Rev. Inv. Fis. 14, 111402601 (2011)

F.

Muestras generadas que han sido desestandarizadas y desnormalizadas

Ene

Feb

Mar

Abr

May

Jun

Jul

Ago

Sep

Oct

Nov

Dic

1956
1957
1958
1959
1960
1961
1962
1963
1964
1965

301.52
134.47
281.21
276.26
244.41
280.81
136.96
191.59
165.12
314.62

250.05
421.71
431.82
532.77
454.35
540.67
338.59
358.64
621.00
520.65

307.14
735.79
387.46
373.38
339.14
461.65
411.96
282.06
485.53
838.23

132.88
416.78
282.96
59.34
117.77
331.41
248.12
350.05
363.82
582.91

65.24
77.30
261.67
240.52
62.65
105.66
33.39
31.10
52.54
10.14

21.95
181.31
237.06
108.73
3.34
23.30
40.71
14.69
194.79
98.78

2.79
15.43
44.30
14.00
3.36
2.78
13.52
21.61
6.04
17.71

3.34
19.35
10.75
6.59
14.34
0.19
5.48
8.91
7.37
10.37

31.79
115.71
100.19
28.73
49.05
46.41
69.22
23.34
13.82
52.30

57.92
293.72
195.23
142.71
228.10
31.85
127.26
80.16
203.10
100.65

68.24
252.45
141.73
73.60
354.80
164.73
99.92
205.15
263.21
175.10

88.67
358.66
118.42
186.73
350.30
153.13
166.54
225.85
159.11
163.45

1966
1967
1968
1969
1970
1971
1972
1973
1974
1975

148.23
246.37
96.97
146.82
201.02
217.99
185.66
184.94
337.04
337.98

545.50
320.84
291.14
534.61
200.61
704.17
329.07
655.07
469.13
470.08

636.22
351.45
322.67
233.67
374.97
859.72
332.59
38.27
387.77
504.36

290.80
155.74
68.98
98.07
108.55
380.15
147.18
265.49
152.98
284.97

45.76
82.77
46.49
115.53
257.90
212.73
22.94
384.69
98.68
176.17

66.08
135.11
48.92
30.71
66.22
43.22
11.85
10.30
14.93
42.85

67.90
14.72
7.90
29.70
150.53
6.60
1.06
15.19
2.97
2.02

25.57
12.94
1.96
11.49
18.57
2.85
0.11
7.30
1.34
12.81

78.34
164.88
125.82
103.39
63.11
51.89
24.33
75.42
45.52
85.20

155.49
74.11
292.96
179.34
143.03
86.52
166.06
123.83
79.93
72.29

120.34
95.27
100.15
227.06
36.07
89.25
91.27
261.48
84.38
86.47

207.43
51.10
30.00
208.32
166.53
163.76
92.06
377.46
103.64
320.45

1976
1977
1978
1979
1980
1981
1982
1983
1984
1985

350.32
185.12
192.56
173.34
201.25
118.36
173.52
270.57
239.62
127.24

556.57
334.27
351.51
237.89
304.54
229.61
952.81
526.63
451.77
316.22

642.29
31.81
449.44
323.06
237.12
224.03
1035.31
690.86
234.05
267.82

465.36
270.53
56.47
111.47
121.86
324.13
437.79
218.31
114.66
184.22

270.92
404.38
291.18
91.59
70.87
149.31
226.08
233.04
45.07
64.24

46.37
268.32
143.15
27.81
41.37
104.68
77.42
13.99
42.94
47.30

12.62
7.31
0.40
0.67
1.10
15.44
8.45
3.81
12.92
6.21

11.37
28.66
0.76
1.44
1.92
6.85
6.28
3.69
7.53
3.59

74.20
83.14
22.10
39.58
54.55
87.75
99.46
21.55
37.25
30.24

162.28
135.88
79.88
47.75
98.17
79.62
137.25
103.92
228.60
118.13

251.31
44.13
163.97
84.83
99.96
96.23
171.47
125.72
169.90
182.17

161.78
23.96
242.54
132.18
177.19
104.57
210.71
240.78
85.91
325.43

1986
1987
1988
1989
1990
1991
1992
1993
1994
1995

225.02
166.96
136.59
230.82
249.71
288.01
270.34
152.75
36.67
203.36

644.46
322.76
592.38
585.92
575.40
676.14
270.00
514.69
379.40
322.77

666.65
373.19
618.12
916.52
842.31
567.32
178.29
409.95
208.22
384.73

234.69
228.47
291.92
953.15
823.30
206.51
172.50
128.40
4.38
193.58

399.44
99.41
208.00
96.11
3.15
75.11
120.04
158.06
65.91
37.75

23.13
20.56
25.35
45.43
7.85
6.66
17.01
55.18
76.12
15.77

24.69
11.49
3.07
61.28
0.61
3.94
0.13
20.45
5.71
5.67

11.24
5.02
1.54
4.96
0.35
2.70
0.35
4.02
3.28
4.05

75.99
96.86
8.71
76.26
41.91
28.18
27.25
79.59
44.24
51.33

96.53
180.66
221.08
152.40
222.42
187.20
112.88
149.23
93.36
240.60

82.73
95.37
278.10
78.31
241.21
182.73
110.17
121.28
145.44
144.73

135.38
60.54
191.73
350.86
282.55
252.32
68.53
113.50
65.42
60.61

Med

210.55

453.41

474.13

261.02

161.34

70.53

18.15

7.28

60.71

144.55

149.01

174.45

71.59

159.83

218.06

191.28

124.30

8.41

28.15

6.77

34.28

64.90

73.44

96.84

G.

Simulacin del vaso

Se presenta algunos resultados de la simulacin que permite observar el comportamiento del vaso para las
dimensiones propuestas, con las muestras generadas. Para un volumen de extraccin mensual Vext = 1.814 106
m3 de agua (0.70 m3 /s), para una capacidad del vaso Vutil = 1.687 106 m3 de agua, para un nivel mximo
N ivmax = 10 m y un nivel mnimo de N ivmin = 2 m.
Mes de extraccin

Derrame mensual esperado (miles de m3 )

Dficit mensual esperado (miles de m3 )

Tipo de extraccin

Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre

48.47
50.13
53.14
56.51
56.95
52.91
49.62

2.81
4.51
7.62
11.04
11.52
7.34
3.80

conveniente
conveniente
no conveniente
no conveniente
no conveniente
no conveniente
conveniente

12

Referencias
[1] IV Foro Mundial del Agua, Mxico 2006; Informe
sobre el Desarrollo de los Recursos Hdricos, UNESCO (2006).
[2] V. Yevjevich, Stochastic Processes in Hidrology, Water Resources Publications, Fort Collins, Colorado
(1972).
[3] J. D. Salas, J. W. Delleur, V. Yevjevich y W. L.
Lane; Applied Modeling in Hidrologic Time Series,
Water Resources Publications, Fort Collins, Colorado (1980).
[4] J. A. Maza, V. Franco; Tcnicas experimentales,

Rev. Inv. Fis. 14, 111402601 (2011)

manual de diseo de obras civiles; Comisin Federal

de Electricidad, Instituto de Investigaciones Elctricas, Mxico D.F. (1983).
[5] R. L. Anderson, Distribution of the Serial Correlation Coeficients, Annales Math. Statistics 13, 1
(1942).
[6] G. U. Yule, On a method of investigating periodicities in disturbed series wiht special reference to
Wolfers sunspot numbers, Phil. Trans. Royal Soc.
A 226, 267 (1937).
[7] G. E. P. Box y M. E. Muller; A note on the generation of normal deviates, Ann. Math. Stat. 28, 610
(1958).